《數字新世界》是 IBM 一檔全新的

數字化體驗觀察欄目

我們將在幾期的時間中

沉浸式地通過文字、圖片、視頻

記錄這個全新的數字世界

為每一個身在其中的個體

帶來的嶄新體驗

并解構背后的價值實現鏈條

本期，我們打算聊聊智能自動化

這期我們想提出的問題是

“未來數字化企業如果能實現端到端的智能自動化

你最迫切將哪個流程實現全自動化？”

您可通過留言

表達您的見解

又是一個早高峰日常，他堵車堵到生無可戀。呲~一個急剎車，還是沒能 hold 住，和前車來了一個“親密接觸”。

此刻，他腦海中閃現著《頭號玩家》里的虛擬賽道。“元宇宙 YYDS。堵車？苦等理賠員來核保？不存在的！”

無需適應虛擬視覺反差感，在有形的現實世界中，體驗酷似元宇宙般的快感。

如此美妙的體驗，是客戶夢寐以求的，更是企業求之不得的。

客戶的等待時長從幾天縮短到幾分鐘，滿意度提升了

員工的工作量少了 80%，效率和質量提高了

企業的運用成本降低了 75%，業務拓展能力提高了

在有形世界的元宇宙里

是誰將虛擬客服

賦予了

“思想”？

它就是 AI 賦能的智能自動化。

元宇宙的一個重要特征是，虛擬世界中的“物體”都具有“IQ”，甚至“EQ”，擁有出色的學習能力和思考能力，預測軟件和流程里的問題并加以自動化改進。AI 賦能的智能自動化，通過激活生產、業務、財務等各個流程里的數據分析，并將所有流程一脈貫通，讓所有流程的“思想”形成網絡，像神經元一樣互相作用，點亮企業乃至整個行業的創新生命力。

在上述車險理賠案例中，智能自動化不僅“任勞任怨”地把大量重復性的錄入、核對等工作做到完美，還能勝任圖片識別車損程度、根據承保理賠規則核算金額等頗具專業性的判斷。

有了這位高手助陣，核保員再也不用在照片里玩“找不同”，在文檔中與“文字游戲”周旋，再也不用擔心錄入金額時發生輸入錯誤。核保員能夠像元宇宙的場景搭建師，憑借多年累積的專業經驗，去設計整個理賠流程，開展客戶關懷，優化客戶體驗，為公司創造更多價值。

與人工智能、區塊鏈這些新興科技相比，自動化已是“百歲老者”。

為什么時至今日還能再次登上數字化轉型時代的舞臺？

技術

“前浪”

的逆齡生長史

自動化“進化簡史”

在人類歷史發展的每個時代由于技術水平不同，對自動化的定義不盡相同。

第一次工業革命：機械自動化代替了手工勞動

計算機時代：單一流程的自動化，處理重復性工作

數字化和人工智能時代：具備認知學習、人工智能的智能自動化。在知識依賴型領域，實現以信息為中心的預測性決策流程

IBM 提出的 AI 賦能的智能自動化，是將人工智能與自動化和分析相結合，讓企業獲得可行的洞察，快速準確地執行流程，打造一致、高質量的體驗，提供卓越的客戶和員工服務。

智能自動化的

您打通了幾關？

四大關卡

關卡一：

非結構化數據，有待馴服

通關難點：數據量激增，數據形態千奇百怪，嘈雜又混亂

借助 AI，充分利用非結構化數據

通過使用人工智能和諸如神經網絡嵌入之類的技術，IBM 可以通過偵測模式來理解非結構化數據，讓其與結構化數據融合。

關卡二：

業務系統和 IT 系統，相忘于江湖

通關難點：兩者各自獨立生長，融合難度系數高

IBM AI 驅動的智能自動化平臺使用共享的 Watson 機器學習和自然語言處理框架，通過最先進的混合云技術部署在整個企業中，讓人和網絡之間能夠進行強大的協作洞察共享，不斷提高自動化水平。

關卡三：

企業自有數據有限，如井底之蛙

通關難點：從外界獲取數據的安全性和效率堪憂

從廣泛和多樣化的生態系統中提取數據

IBM 平臺從諸如開源平臺 Red Hat、ServiceNow、PagerDuty、GitHub 和許多其他來源獲取事件記錄、歷史更改日志和機器學習模型，使企業能夠升級到預測性的智能自動化，預防問題發生。

關卡四：

五六朵云同時用，難舍難分

通關難點：云上遷移成本高、風險大

無需企業改變現有云平臺

無論是在阿里云、騰訊云還是 Google 云 Amazon 上，只要企業有數據，企業可以在自己的云平臺上運行 IBM 的人工智能和自動化技術。

那么，智能自動化到底難不難實現？有沒有更多適用場景？

原文標題：一次車輛出險，讓他無意間開啟元宇宙之門

文章出處：【微信公眾號：IBM中國】歡迎添加關注！文章轉載請注明出處。